运用算子推断方法学习过程工程中的降阶二次 - 线性模型
内容提要
本文综述科学机器学习中的算子推断方法：在已知物理规律或专家模型结构下构建动力系统模型，通过优化学习算子，并采用稳定二次模型参数化与微分方程积分形式避免数值导数。该方法用于保持能量与稳定性的降维建模、液态金属喷射成型质量预测、等离子体湍流模拟及控制策略学习，可显著降低计算成本并保持精度。
延伸解读
算子推断的核心优势
算子推断在已知物理规律或专家模型结构下构建动力学模型，通过优化学习算子，并采用稳定二次模型参数化与微分方程积分形式避免数值导数。这种方法能保持能量与稳定性，显著降低计算成本，同时维持精度，适用于降维建模、液态金属喷射成型质量预测、等离子体湍流模拟及控制策略学习等场景。
在等离子体湍流模拟中的表现
针对Hasegawa-Wakatani方程描述的等离子体湍流，算子推断构建的降阶模型能捕捉湍流动力学的重要特征，并推广到新的初始条件。在单核性能上，高准确度模型的计算时间缩短了五个数量级，展示了非侵入式科学机器学习在加速数值研究方面的潜力。
控制策略学习与稳定性保障
基于局部线性模型的算法在重要问题参数上获得多项式样本复杂度，并通过合成本地稳定增益克服了问题时间影响的指数依赖性。实验验证了其有效性，并与自然深度学习基线进行了比较。此外，将简单线性控制与控制屏障函数结合的设计示例应用于汽车发动机实时控制，表现出良好的预测性能和稳定的控制能力。
Q&A
算子推断方法是什么？
算子推断是一种科学机器学习方法，在已知物理规律或专家确定的模型结构先验下构建动力系统模型，通过优化问题学习模型算子。
算子推断如何避免数值导数？
通过利用微分方程的积分形式，避免数值导数，实现对连续系统的学习。
算子推断在降维建模中有什么优势？
能够保持能量与稳定性，显著降低计算成本并保持精度，适用于涉及众多流体问题的常见定理方程。
算子推断在液态金属喷射成型中如何应用？
用于快速准确预测成品质量，相较于神经网络或最近邻算法的降阶模型，能在更少数据点上实现更广的预测泛化。
算子推断在等离子体湍流模拟中的效果如何？
基于OpInf的ROMs捕捉到湍流动力学重要特征，推广到新初始条件，并将高准确度模型的计算时间缩短了五个数量级。
算子推断如何用于控制策略学习？
通过估计系统动态模型和应用轨迹优化算法降低目标成本，基于本地线性模型的算法获得多项式样本复杂度，克服时间影响的指数依赖性。
